首先來看一個向量在另一個向量上的投影：

若v向量為單位向量,則結果為 uv向量的點積 * v向量.
即: 某個方向力u, 在v方向上的分量.

假如V向量我們定義為單位向量，那麼U向量在V向量上的投影向量就是UV向量的點積 * V向量，這樣表示

U向量在V向量方向上的分量，也是一個向量，點積值表示在V向量上的投影長度。因此空間中有N個向量，

分別投影到V向量上，我們可以得到這N個向量在V向量上的投影點，分別表示點積值，如果這些值的方差越大，

說明這些投影點越分散，能夠很好的區分各個投影向量，表明V向量能夠清晰的表示各個向量的特點，可以作為

空間中這些向量的特徵向量；假如各個投影點都集中在一起，方差值越小，離散度就越小，就越難區分，則很難用V向量來

區分空間中的這些向量。PCA主成成分分析中，找主方向，就是想找到某些向量，矩陣在該向量上的投影點很分散，

說明該向量帶有矩陣的很多特徵資訊，能夠將矩陣裡面的元素區分開來